本文主要研究基于不确定信息的自主移动机器人(Autonomous Mobile Robot，AMR)同时定位和地图构建(Simultaneous Localization and Map Building，SLAM)以及地图探索导航(Map Exploration，ME)问题，旨在构建一个完整的系统，使得机器人在完全未知结构化环境下实现“完全自主”地图开发的能力。 首先，本文对不同的测距传感器进行了比较，分析了各种环境因素对激光测距仪的影响，表明将激光测距仪用于移动机器人的地图构建和定位研究具有独特的优势；同时对激光测距的距离和角度的标准偏差重新进行了界定，并建立了激光传感器和里程计的误差模型。在此基础上，从系统的角度对SLAM和ME的体系结构进行了设计，采用了由上到下的灵活的层式结构。 其次，在回顾和总结目前存在的移动机器人同时定位和地图构建的研究方法的基础上，本文提出了一种新的基于概率模型的几何地图三步构建方法：改进角度直方图特征提取、加权最小二乘法特征拟合和动态特征更新；线段特征协方差矩阵的计算实现了离散化，大大减少了对存储空间和计算量的要求。应用扩展卡尔曼滤波(Extended Kalman Filter，EKF)实现了机器人厘米级别的高精度定位，并将定位结果应用于地图构建，从而构成了完整的SLAM系统。动态和静态两种环境下的实验结果证明，系统准确性高而且具有较好的实时性和鲁棒性，达到了设计要求。 针对地图探索导航的研究，本文阐述了基于几何地图进行移动机器人地图探索导航和其它导航研究的不同之处，按照全局目标规划、局部路径规划和实时避障三层进行了分别设计。在全局目标规划中，引入了“未知区域”的概念进行上层的探索目标规划，在实现形式上则采用了“决策树”的数据模型：在局部路径规划中，采用“子目标”和“圆弧轨迹”的办法规划出了以线段和圆弧组成的探索路径，同时利用“矩形安全区域”对路径的安全性进行了验证；在实时避障层，直接采用传感器原始数据构造了“虚拟避障点”，采用圆弧轨迹进行了避障路径的设计，从而保证了机器人在动态环境下的安全性。